ગુણવત્તા સંચાલન વિષેના લેખ અને બ્લૉગ્સનો બ્લૉગોત્સવ : સંસ્કરણ ૧૧મું - ઓક્ટોબર ૨૦૨૩

 

ગુણવત્તા સંચાલન વિષેના લેખ અને બ્લૉગ્સના બ્લૉગોત્સવનાં ૧૧માં સંસ્કરણના  ઓક્ટોબર ૨૦૨૩ના અંક માં આપનું હાર્દિક સ્વાગત છે.

ગુણવત્તા સંચાલન વિષેના લેખ અને બ્લૉગ્સના બ્લૉગોત્સવનાં ૧૧માં સંસ્કરણના  કેન્દ્રવર્તી વિષય તરીકે 'ગુણવત્તા સંચાલનનાં ભવિષ્ય પર પ્રભાવક વલણો - વિશ્લેષણાત્મક સર્વેક્ષણ ' પસંદ કરેલ છે.

ગયા અંકમાં આપણે  ‘Moving from Why to How’ ના ''શી રીતે'ભાગ તરફ આગળ વધતાં પહેલાં,  માનવી તરીકે, અને ખાસ તો ગુણવત્તા વ્યાવસાયિકો તરીકે, પહેલે પ્રથમ, 'શા માટે" એ વિચારવું શા માટે  જરૂરી  છે? એ વિશે થોડી વિગતે વાત કરવાનું નક્કી કરીને અટક્યાં હતાં. . આજના મણકામાં  'શા માટે" એ વિચારવું 'શા માટે જરૂરી  છે? વિશે વાત માંડીએ.

મનુષ્ય એક જિજ્ઞાસુ પ્રાણી છે. વાસ્તવમાં, જિજ્ઞાસા માનવીની મૂળભૂત લાક્ષણિકતાઓમાંની એવી એક લક્ષણિકતા છે જે મનુષ્યને અન્ય પ્રાણીઓથી અલગ પાડે છે.

સિમોન સિનેક દ્વારા શરૂ કરાયેલ 'સુવર્ણ વર્તુળ વિચારબીજ / ' ની ફરી મુલાકાત કરીએ. સુવર્ણ વર્તૂળના ત્રણ ભાગ છે: શા માટે, કેવી રીતે અને શું.

બહુ ઓછા લોકો અથવા કંપનીઓ સ્પષ્ટપણે કહી શકે છે કે તેઓ જે કરે છે તે શા માટે કરે છે. અહીં વાત નફાકારક કંપની ચલાવવા વિશે નથી - તે તો એક પરિણામ છે.   તમારા હેતુમાં જે કંઈ છે તે બધું 'શા માટે' છે તે મૂળ વાત છે. તમારી કંપની શા માટે અસ્તિત્વમાં છે? તમે સવારે પથારીમાંથી કેમ ઉઠો છો? અને શા માટે કોઈએ કાળજી લેવી જોઈએ?

આપણું મગજ જે રીતે કાર્ય કરે છે તેનો  મેળ  સુવર્ણ વર્તુળ વિચારબીજ સાથે પણ ખાય છે.

લિમ્બિક બ્રેઈન / લાગણીઓનું નિયમન કરતું મગજ : સુવર્ણ વર્તુળ વિચારબીજના વચ્ચેના બે વિભાગો આપણું લિમ્બિક મગજ બતાવે છે જે આપણી બધી લાગણીઓ માટે જવાબદાર છે. આ લગભગ "શા માટે" સ્તરને અનુરૂપ છે. મગજનો આ વિસ્તાર તમામ માનવ વર્તન અને આપણા તમામ નિર્ણયો માટે જવાબદાર છે.

આપણે એવા લોકો અને સંસ્થાઓની આસપાસ રહેવા માંગીએ છીએ જેઓ આપણા જેવા છે અને જેમની સાથેની આપણી માન્યતાઓ સમાન છે.

"શા માટે" તમે જે પ્રાપ્ત કરવા માંગો છો તે ભવિષ્ય તરફ આગળ જોવાથી અને પછી ત્યાં પહોંચવા માટે યોગ્ય વ્યૂહરચના શોધવાથી નથી મળઈ શકવાનું. તે બજાર સંશોધન અથવા તે બાબત માટે ગ્રાહકો અથવા કર્મચારીઓ સાથેની વ્યાપક મુલાકાતઓન સંવાદોમાંમાંથી જન્મ્યું નથી. તમે અત્યારે જ્યાં છો ત્યાંથી તેનાથી સંપૂર્ણપણે વિરુદ્ધ દિશામાં જોવાથી 'શા માટે' મળી આવી શકે છે.  "શા માટે" શોધવું એ શોધની પ્રક્રિયા છે, શોધ નથી.

દરેક "શા માટે" પ્રકારના અગ્રણી પાછળ, "કેવી રીતે" પ્રકારનો અગ્રણી હોય છે જે "શા માટે" જીવનમાં લાવે છે. દીર્ઘદ્રષ્ટિ એ સ્થાપકનો ઉદ્દેશ છે - "શા માટે" કંપનીની સ્થાપના કરવામાં આવી હતી. સંસ્થાનું 'કર્તવ્ય' કથન  એ "કેવી રીતે" કંપની પોતાનું ભવિષ્ય બનાવશે તેનું વર્ણન છે.

આપણાં "શા માટે"ને  શોધવા માટે  સ્વ-જાગૃતિનો અભ્યાસ શરૂ કરવાની જરૂર છે. દરેક વ્યક્તિનું "શા માટે" અલગ જગ્યાએ છુપાયેલું છે અને તેને ઘણી અલગ અલગ રીતે બહાર કાઢી શકાય છે. એ શોધ શરૂ કરવા માટે દરેકનાં જીવનના સૌથી સામાન્ય ક્ષેત્રો અહીં છે:

¾ તમારા મૂલ્યો

¾ તમારી પ્રેરણા

¾ તમારા જુસ્સો

¾ તમારી શક્તિઓ

કર્મચારીઓ પરિવર્તનનો પ્રતિકાર કરે છે તેનું  મુખ્ય કારણ એ છે કે તેઓ ફેરફારના હેતુ અને કારણ વિશે જાગૃતિનો અભાવ ધરાવે છે.

Prosci ADKAR મોડલ

વધુ વાંચન:

·       Causal Inference

·       10 Things to Know About Causal Inference - Macartan Humphreys

·       What is Causal Inference? - Steven Kleinegesse highlights some of the main aspects of causal inference, including average treatment effect estimation, the difference between causal inference and Bayesian inference, and some concepts from Judea Pearl's do-Calculus.

·       What is causal inference, and why should data scientists know? - Ludvig Hult - Causal Inference is the art of drawing robust conclusions from nonexperimental data.

·       Causal Analysis

·       The Types of Thinking

·       Causal Inference: What If (the book) - Hernán MA, Robins JM (2020) - Boca Raton: Chapman & Hall/CRC

·       Causal Analysis vs. Root Cause Analysis: Detailed Comparison - Eliza Taylor

 

હવે પછી  ‘Moving from Why to How’ ના 'શી રીતે' ભાગની વાત કરીશું.

હવે આપણે આપણા નિયમિત વિભાગો તરફ વળીએ.

ASQ TV પર તાજું પ્રકાશિત વૃતાંત જોઈશું –

• The Cause-and-Effect Diagram - આ વૃતાંતમાં ગુણવત્તા અંગેના એક બહુ મહત્ત્વનાં સાધન 'કાર્યકારિણી આલેખન' / the cause-and-effect diagram વિશે ચર્ચા જોવા મળે છે. વધારે વિગતો માટે: ASQ’s “Learn About Quality” Fishbone Diagram

Quality Magazineના સંપાદક, ડેર્રીલ સીલૅન્ડ, ની કૉલમ ‘From the Editor' નો એક તાજો સાંદર્ભિક લેખ ધ્યાન પર લઈશું-

• Data Mining: Making the Right Connections - સંપૂર્ણતામાં વિવેકપૂર્ણ તફાવતો ખોળતી નજર: ડેટા માઇનિંગ એ ઘણા ઉદ્યોગોમાં સારી રીતે ઉપયોગમાં લેવાતું સાધન છે. જો કે ખરેખર તો વધુ ઉપયોગી તો તેમાં એકત્રિત કરવામાં આવેલ માહિતી સામગ્રીનું લક્ષ્ય અનુસારનું મુદ્દાસરનું વિશ્લેષણ છે.

વાસ્તવમાં, અર્થપૂર્ણ જોડાણો બનાવવાં એ હવે વાંચનમાંથી નિપજતી  સમજણની  વ્યૂહરચના બની ગઈ છે. મજાની વાત એ છે કે તેને કહેવાય પણ 'મેકિંગ કનેક્શન્સ' / Making Connections છે. હવે તો તે શાળાના વિદ્યાર્થીઓને શીખવવામાં પણ આવે છે. આ વ્યૂહરચનામાં જે વાંચવામાં આવી રહ્યું છે તેની સાથે વાચકને પહેલેથી જ ખબર હોય છે કે શું તે તેમના અંગત અનુભવમાંથી છે કે પછી તેઓએ વાંચેલી અન્ય વસ્તુઓ સાથે જોડી કાઢવાનો સમાવેશ થાય છે. જો કે વ્યક્તિગત અનુભવ વધુ અસરકારક હોઈ શકે છે, તેમ છતાં વ્યક્તિગત અનુભવ અને જે વાંચવામાં આવી રહેલું છે તે અન્ય લખાણ બંનેનો સંદર્ભ એક નજરે જોવામાં આવે તો સમજણમાં વધારો થાય છે. આવો ફાયદો માનસિક ઘડતરનાં પ્રારંભિક બાળપણના વિકાસમાં વધારે ઉપયોગી નીવડે છે, પણ તેનું મહત્ત્વ જીવનને દરેક તબક્કે રહે તો છે જ.

ઓટો ઉદ્યોગમાં, આ વિચારમાં આગળનું બીજું પગલું વર્કર ટેક્નોલોજી સાથે જોડાયેલ હોઈ શકે છે.  લેખક એરિક વ્હીટલી તેમના લેખ “5 Important Ways Connected Worker Tech Benefits the Automotive Industry,” માં લખે છે: "જેમ જેમ આપણું વિશ્વ ડિજિટલ નવીનતા દ્વારા વધુને વધુ પ્રભાવિત થતું જાય છે, તેમ તેમ કનેક્ટેડ વર્કર ટેક્નોલોજિનો ઉદય ઔદ્યોગિક કામગીરીપ્રત્યેના આપણા અભિગમમાં એક મહત્વપૂર્ણ વળાંક દર્શાવે છે. "

ખાસ કરીને ગુણવત્તાયુક્ત ઉદ્યોગ માટે, આ બાબત માત્ર માહિતી સામગ્રીનાં  વિશ્લેષણ વિશે જ નથી, પણ આપણી તંત્રવ્યવસ્થાઓ  અને કામગીરીનાં વિશ્લેષણ વિશે પણ છે.

---

ગુણવત્તા સંચાલનનાં ભવિષ્ય પર પ્રભાવક વલણો - વિશેષણાત્મક સર્વેક્ષણ’ વિશેની ચર્ચાને રસપ્રદ અને અર્થપૂર્ણ બનાવવામાં આપનાં સૂચનો / ટીકાટિપ્પણીઓ / માર્ગદર્શન / અનુભવો આવકાર્ય છે.

આ અંકમાં દર્શાવેલ ઇમેજ કે વિડીયો ક્લિપના પ્રકાશાનાધિકાર તેના રચયિતાના જ રહે છે.

---